何家裕，吴杰康，杨金文，余方明，庄 仲，梁继深

(广东工业大学 自动化学院， 广州 510006)

0 引 言

随着经济的高速发展，化石燃料和其他不可再生的自然资源走向枯竭，全球生态环境不断恶化，我国能源的供应和需求间的问题日益突出[1]。作为世界最大的能源消费国和二氧化碳排放国，开展节能发电调度，建立一个最大化利用可再生能源和其他清洁能源，以减少不可再生能源的消耗和污染物的排放和安全、高效、清洁的电力系统是迫在眉睫的[2]。根据“十二五”规划，中国的可再生能源的发电量迅速增长，特别是风力发电、太阳能光伏发电保持较快的年增长，在世界上连续领先多年[3]。随着光伏发电装机容量的增加，大规模的光伏并网，而太阳能光伏发电存在间歇性和不稳定等问题，为了减少光伏发电对电力系统的影响，提高电力系统运行的可靠性，需要尽可能精确地预测光伏发电系统的发电量。

近年来，许多专家对太阳能光伏发电预测技术进行了研究并获得了不少成果。其中，太阳能光伏发电预测技术主要可以分为统计时间序列方法、物理方法和混合方法。统计时间序列方法高度依赖历史数据，主要的方法包括人工神经网络、支持向量机等；物理方法主要取决于物理状态和大气中的太阳辐射的动态运动之间的相互关系，主要的方法包括数值天气预报、卫星成像等；混合方法是统计时间序列方法和物理方法的任意结合[4]。文献[5]提出了一种ANN-MLP模型用于意大利的里雅斯特GCPV电厂前24小时的太阳辐射强度预测。……